論文の概要: Diffusion-based Task-oriented Semantic Communications with Model Inversion Attack

• arxiv url: http://arxiv.org/abs/2506.19886v1
• Date: Tue, 24 Jun 2025 05:21:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.474478
• Title: Diffusion-based Task-oriented Semantic Communications with Model Inversion Attack
• Title（参考訳）: モデル反転攻撃を用いた拡散型タスク指向セマンティック通信
• Authors: Xuesong Wang, Mo Li, Xingyan Shi, Zhaoqian Liu, Shenghao Yang,
• Abstract要約: タスク指向セマンティックコミュニケーションは、6Gネットワークのための有望なニューラルネットワークベースのシステム設計である。 そこで我々はDiffSemという拡散型セマンティック・コミュニケーション・フレームワークを提案し,セマンティック・インフォメーションの再構築を最適化した。 その結果,DiffSemは分類精度を10.03%向上し,動的チャネル下での安定した性能を維持した。
• 参考スコア（独自算出の注目度）: 6.115539523178243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic communication has emerged as a promising neural network-based system design for 6G networks. Task-oriented semantic communication is a novel paradigm whose core goal is to efficiently complete specific tasks by transmitting semantic information, optimizing communication efficiency and task performance. The key challenge lies in preserving privacy while maintaining task accuracy, as this scenario is susceptible to model inversion attacks. In such attacks, adversaries can restore or even reconstruct input data by analyzing and processing model outputs, owing to the neural network-based nature of the systems. In addition, traditional systems use image quality indicators (such as PSNR or SSIM) to assess attack severity, which may be inadequate for task-oriented semantic communication, since visual differences do not necessarily ensure semantic divergence. In this paper, we propose a diffusion-based semantic communication framework, named DiffSem, that optimizes semantic information reconstruction through a diffusion mechanism with self-referential label embedding to significantly improve task performance. Our model also compensates channel noise and adopt semantic information distortion to ensure the robustness of the system in various signal-to-noise ratio environments. To evaluate the attacker's effectiveness, we propose a new metric that better quantifies the semantic fidelity of estimations from the adversary. Experimental results based on this criterion show that on the MNIST dataset, DiffSem improves the classification accuracy by 10.03%, and maintain stable performance under dynamic channels. Our results further demonstrate that significant deviation exists between traditional image quality indicators and the leakage of task-relevant semantic information.
• Abstract（参考訳）: 6Gネットワークのための有望なニューラルネットワークベースのシステム設計として、セマンティック通信が登場した。 タスク指向のセマンティックコミュニケーションは、セマンティック情報を伝達し、コミュニケーション効率とタスク性能を最適化することで、特定のタスクを効率的に完了させることを目標とする新しいパラダイムである。 重要な課題は、タスクの正確性を維持しながらプライバシを保存することだ。 このような攻撃では、ニューラルネットワークによるシステムの性質のため、モデル出力を分析し処理することで、敵は入力データを復元したり、再構築したりすることができる。 さらに、従来のシステムは画像品質指標(PSNRやSSIMなど)を用いて攻撃の重大度を評価するが、これはタスク指向のセマンティック通信には不十分である。 本稿では,自己参照ラベルを埋め込んだ拡散機構による意味情報再構成を最適化し,タスク性能を大幅に向上する拡散型意味コミュニケーションフレームワークDiffSemを提案する。 また、チャネルノイズを補償し、意味情報歪みを適用し、様々な信号対雑音比環境におけるシステムのロバスト性を確保する。 攻撃者の有効性を評価するために,敵からの推定のセマンティックな忠実度をより正確に評価する指標を提案する。 この基準に基づく実験の結果、MNISTデータセットでは、DiffSemは分類精度を10.03%向上し、動的チャネル下での安定した性能を維持している。 さらに,従来の画像品質指標とタスク関連セマンティック情報の漏洩との間に有意差があることが示唆された。

関連論文リスト

• Distributionally Robust Wireless Semantic Communication with Large AI Models [120.29419104482793]
  6G無線システムは、超低レイテンシで大量のデータをサポートすることが期待されている。 従来のビットレベルの伝送戦略は、現代的なデータ集約型アプリケーションに必要な効率と適応性をサポートできない。 セマンティックコミュニケーション(SemCom)の概念は、生データの代わりにタスク関連セマンティック情報を伝達することに集中することで、この制限に対処する。
  論文  参考訳（メタデータ） (2025-05-28T04:03:57Z)
• Task-Oriented Low-Label Semantic Communication With Self-Supervised Learning [67.06363342414397]
  タスク指向の意味コミュニケーションは、正確なメッセージではなく意味情報を伝達することで伝達効率を高める。 深層学習(DL)に基づく意味コミュニケーションは、意味抽出、伝達、解釈に不可欠な意味知識を効果的に育むことができる。 タスク推論性能を向上させるための自己教師付き学習ベースセマンティックコミュニケーションフレームワーク(SLSCom)を提案する。
  論文  参考訳（メタデータ） (2025-05-26T13:06:18Z)
• Task-Oriented Semantic Communication in Large Multimodal Models-based Vehicle Networks [55.32199894495722]
  LMMに基づく車両用AIアシスタントLarge Language and Vision Assistant(LLaVA)について検討する。 計算要求を減らし、応答時間を短縮するため、LLaVAの画像スライシングを最適化し、ユーザにとって最も関心のある領域に選択的にフォーカスする。 交通シナリオに対する視覚質問応答(VQA)データセットを構築し,有効性を評価する。
  論文  参考訳（メタデータ） (2025-05-05T07:18:47Z)
• Latent Diffusion Model-Enabled Low-Latency Semantic Communication in the Presence of Semantic Ambiguities and Wireless Channel Noises [18.539501941328393]
  本稿では,ソースデータのアウトレイラを処理するために,遅延拡散モデルを用いたSemComシステムを開発した。 軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。 終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
  論文  参考訳（メタデータ） (2024-06-09T23:39:31Z)
• Tackling Distribution Shifts in Task-Oriented Communication with Information Bottleneck [28.661084093544684]
  本稿では,情報ボトルネック(IB)原理と不変リスク最小化(IRM)フレームワークに基づく新しいアプローチを提案する。 提案手法は,効率的な領域シフト一般化のための高機能を有するコンパクトかつ情報的特徴を抽出することを目的としている。 提案手法は最先端の手法より優れ、より優れたレート歪みトレードオフを実現することを示す。
  論文  参考訳（メタデータ） (2024-05-15T17:07:55Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Reinforcement Learning-powered Semantic Communication via Semantic Similarity [13.569045590522316]
  我々は,ビットレベルの精度を厳格に確保する代わりに,セマンティック情報を保存するための新しいセマンティックコミュニケーション機構を導入する。 一般的に使用されるビットレベルのメトリクスは、重要な意味や構造を捉えるのに脆弱であることを示す。 ユーザ定義のセマンティック測定を同時に最適化できる強化学習(RL)ベースのソリューションを提案しました。
  論文  参考訳（メタデータ） (2021-08-27T05:21:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。